KRICT 한국화학연구원

 - 2만 건의 논문 인공지능 학습하여 목적 물질(결과물)의 화학식만으로 합성에 필요한 전구체(재료 물질) 예측
 - 인공지능 분야 최고 권위의 학회 NeurIPS(뉴립스)에 전구체 물질 예측 인공지능 논문 발표
 - 기존에 확보한 정방향 합성 예측 기술과 결합해, 소재 합성 전 과정에 대한 자동화 기술 상용화 기대

□ 국내 연구진이 특정한 소재를 만들려면 어떤 최종 재료 물질이 필요한지 자동으로 알려주는 기술을 개발했다.

  ㅇ 한국화학연구원(원장 이영국) 나경석 선임과 한국과학기술원(KAIST, 총장 이광형) 박찬영 교수 연구팀은 공동연구를 통해 목적 물질의 화학식 정보만으로 합성에 필요한 최종 재료 물질(전구체 물질*)을 예측하는 인공지능 방법론을 개발하였다.
     * 전구체 물질 : 목표 물질을 만드는 과정에서 필요한 모든 최종 재료 물질

□ 최근 배터리, 반도체 등 다양한 산업 분야에서 첨단 소재는 매우 중요하다. 원하는 소재를 합성하려면 중간 물질을 먼저 찾아야 하는데, 많은 비용이 드는 반복적인 실험 없이 인공지능(AI)을 활용해 찾으려는 수요가 높다. 

  ㅇ 하지만 기존의 AI 기반 기술은 신약 등 유기 소재에 집중된 반면, 무기 소재에 대한 연구는 상대적으로 부족했다. 금속 등 무기 화합물은 복잡한 구조와 다양한 원소로 인해 합성 경로를 찾기 어렵기 때문이다. 

□ 연구팀은 X라는 목적 물질의 화학식만으로, 이를 만들기 위해 필요한 전구체 물질 A, B, C, …등을 역방향으로 예측해내는 새로운 인공지능 방법을 개발했다.

  ㅇ 화학연은 앞서 복잡한 코딩이나 서버 구축 과정 없이 물질 합성에 필요한 정보들을 인공지능으로 예측해주는 ‘ChemAI’ 플랫폼을 개발해 2022년 기술이전 한 바 있다. 

  ㅇ 이번 기술은 기존 예측 기술의 발전을 가로막았던 무기 소재의 복잡한 3차원 구조, 즉 원자 구조나 결합 정보 등을 요구하지 않는다. 대신 어떤 원소들이 얼마나 포함되어 있는지 종류와 비율을 살핀다. 그리고 이런 원소들과 목적 물질 간 열역학적 형성 에너지 차이를 계산해, 합성 반응이 더 쉽게 일어나는 전구체를 찾아낸다.

  ㅇ 또한 전구체 물질 예측의 정확도를 높이기 위해 화학 데이터에 특화된 심층 인공신경망을 구성했다. 심층 인공신경망은 약 2만 건의 논문에 보고된 소재 합성 과정 및 전구체 물질에 대한 정보를 모두 학습했다. 

  ㅇ 이후 AI 학습과정에서 보여준 적 없는 약 2,800건의 물질 합성 실험을 대상으로 합성에 필요한 전구체 물질을 예측한 결과, 대략 10번의 시도 중 8번 이상 성공했다. 또한 그래픽 처리장치(GPU) 가속을 통해 약 100분의 1초 이내의 매우 짧은 시간 만에 전구체 물질을 예측했다.

□ 연구팀은 앞으로 화학연 연구사업을 통해 학습 데이터셋을 확장하여 전구체 물질 예측 정확도를 90% 이상 높인 후, 2026년경 웹 기반 공공 서비스 구축을 계획하고 있다. 또한 추가 연구를 통해 목적 물질의 화학식을 제공하면 전구체 물질 뿐만 아니라, 소재 합성 과정까지 모두 예측해주는 “인공지능 기반 소재 역합성 완전 자동화”도 기대 중이다.

  ㅇ 연구진은 “기존의 전구체 물질 예측 AI는 특정 물질 종류에만 적용이 가능했는데, 이번 연구를 통해 목적 물질의 종류에 상관없이 범용적으로 전구체 물질을 예측할 수 있게 된 점이 차별성”이라고 말했다. 또한 화학연 이영국 원장은 “신소재 개발이 필요한 다양한 산업 분야의 연구 효율 향상에 기여할 것으로 기대한다.”라고 말했다.

  ㅇ 이번 논문은 2024년 12월 인공지능 분야 최고 권위의 학회인 신경정보처리시스템학회(NeurIPS, 뉴립스)에 발표되었다. 화학연 나경석 선임연구원과 KAIST 박찬영 교수가 교신저자로, KAIST 노희웅 연구원이 1저자로 참여했다. 이번 연구는 화학연 기본사업, 과학기술정보통신부 한국연구재단 정보융합기술단 및 글로벌 기초연구실사업 (RS-2024- 00406985)의 지원을 받아 수행했다.

* (논문 DOI 주소) https://doi.org/10.48550/arXiv.2410.21341